دانلود مقاله انگلیسی:آسم disaggregating : بررسی بزرگ در مقابل داده های بزرگ
بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات انگلیسی داده های بزرگ
  • Disaggregating asthma: Big investigation versus big data

    Disaggregating asthma: Big investigation versus big data

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Disaggregating asthma: Big investigation versus big data


    ترجمه فارسی عنوان مقاله:

    آسم disaggregating : بررسی بزرگ در مقابل داده های بزرگ


    منبع:

    Sciencedirect - Elsevier - Journal of Allergy and Clinical Immunology, 139 (2017) 400-407. doi:10.1016/j.jaci.2016.11.003


    نویسنده:

    Danielle Belgrave, PhD,a John Henderson, MD,b Angela Simpson, MD, PhD,c Iain Buchan, MD, PhD,dChristopher Bishop, PhD,e and Adnan Custovic, MD, PhD, FAAAIa


    چکیده انگلیسی:

    We are facing a major challenge in bridging the gap between identifying subtypes of asthma to understand causal mechanisms and translating this knowledge into personalized prevention and management strategies. In recent years, ‘‘big data’’ has been sold as a panacea for generating hypotheses and driving new frontiers of health care; the idea that the data must and will speak for themselves is fast becoming a new dogma. One of the dangers of readyaccessibilityof health caredata and computational tools for data analysis is that the process of data mining can become uncoupled from the scientific process of clinical interpretation, understanding the provenance of the data, and external validation. Although advances in computational methods can be valuable for using unexpected structure in data to generate hypotheses, there remains a need for testing hypotheses and interpreting results with scientific rigor. We argue for combining data- and hypothesis-driven methods in acarefulsynergy, and the importance of carefully characterized birth and patient cohorts with genetic, phenotypic, biological, and molecular data in this process cannot be overemphasized. The main challenge on the road ahead is to harness bigger health care data in ways that produce meaningful clinical interpretation and to translate this into better diagnoses and properly personalized prevention and treatment plans. There is a pressing need for cross-disciplinaryresearch with an integrative approach to data science, whereby basic scientists, clinicians, data analysts, and epidemiologists work together to understand the heterogeneity of asthma. (J Allergy Clin Immunol 2017;139:400-7.)
    Key word: Asthma| endotypes| machine learning| big data| birth|cohorts


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    حجم فایل: 230 کیلوبایت

    قیمت: 1000 تومان


    توضیحات اضافی:


     سفارش ترجمه مقاله


آرشیو کامل مقالات

تعداد نظرات : 0

الزامی
الزامی
الزامی
داده-های-بزرگ
موضوعات